一種膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)制造方法及圖紙

本發(fā)明專利技術(shù)公開了一種膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)，系統(tǒng)包括：采集單元，用于采集步態(tài)數(shù)據(jù)，并建立得到步態(tài)數(shù)據(jù)庫；預(yù)處理單元，用于對步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)；模型訓(xùn)練單元，用于構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；預(yù)測單元，用于對需要檢測用戶的步態(tài)數(shù)據(jù)進(jìn)行采集，并輸入至訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測結(jié)果。本發(fā)明專利技術(shù)通過步態(tài)數(shù)據(jù)并建立多個多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，進(jìn)而預(yù)測出膝關(guān)節(jié)疾病，這樣能在不含輻射的同時，還能快速精準(zhǔn)地預(yù)測各類膝關(guān)節(jié)疾病，大大提高預(yù)測效率。本發(fā)明專利技術(shù)可廣泛應(yīng)用于醫(yī)療領(lǐng)域中。

A prediction device and system for knee joint disease

The invention discloses a disease prediction device and system for knee joint disease. The system includes acquisition unit, collecting gait data and establishing gait database. Preprocessing unit is used to preprocess gait data in gait database and get standard gait data. Model training unit is used to build multi-layer. The neural network model is used to train the multi-layer neural network model according to the standard gait data, and the neural network model after training is obtained. The prediction unit is used to collect the gait data which needs to be detected and input into the trained neural network model, and the prediction results are obtained. This invention is trained by gait data and multi layer neural network model to predict knee joint disease so that it can predict all kinds of knee joint diseases quickly and accurately without radiation, and greatly improve the prediction efficiency. The invention can be widely used in the medical field.

【技術(shù)實現(xiàn)步驟摘要】
一種膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)
本專利技術(shù)涉及醫(yī)療信息決策
，尤其涉及一種膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)。
技術(shù)介紹
膝關(guān)節(jié)是全身最大的關(guān)節(jié)之一，由股骨、脛骨和髕骨構(gòu)成，它是人體的承重關(guān)節(jié)，也是最易損傷的關(guān)節(jié)之一。膝關(guān)節(jié)是全身發(fā)病率最高的關(guān)節(jié)，中國人群膝關(guān)節(jié)疾病患病率高達(dá)1.5億。膝關(guān)節(jié)疾病主要包括：骨性關(guān)節(jié)炎、半月板損傷、十字韌帶損傷、滑膜炎、髕骨軟化等。其主要癥狀是膝關(guān)節(jié)疼痛及關(guān)節(jié)功能紊亂，不僅涉及到關(guān)節(jié)內(nèi)的各種病損，也常因各種關(guān)節(jié)外因素引起。而且膝關(guān)節(jié)產(chǎn)生的癥狀往往不具有特異性。如疼痛、打軟腿、關(guān)節(jié)交鎖等癥狀，既可以因為交叉韌帶、半月板損傷引起，也可以因為髕股關(guān)節(jié)異常、關(guān)節(jié)軟骨病變引起，甚至可能僅因為異常增生滑膜的嵌頓而引起。疾病發(fā)生的預(yù)警預(yù)測往往涉及傳統(tǒng)的放射影像學(xué)方法，而傳統(tǒng)的影像學(xué)預(yù)測膝關(guān)節(jié)疾病的方法也存在不足。現(xiàn)有技術(shù)在依賴于傳統(tǒng)影像學(xué)預(yù)測方式中存在以下問題：1、依賴于傳統(tǒng)影像學(xué)設(shè)備預(yù)警預(yù)測的方法存在一定量的放射輻射，目前傳統(tǒng)影像學(xué)設(shè)備主要包括X線、CT、MRI以及超聲等，在檢測病人膝關(guān)節(jié)過程中存在一定的輻射，會潛在的損害身體或者加重膝關(guān)節(jié)病情；2、依賴于傳統(tǒng)影像學(xué)設(shè)備預(yù)測的方法只能檢測膝關(guān)節(jié)的靜態(tài)狀態(tài)，無法反映膝關(guān)節(jié)的功能狀態(tài)以及運動狀況。膝關(guān)節(jié)疾病是以膝關(guān)節(jié)運動功能紊亂以及異常為特征的關(guān)節(jié)疾病。傳統(tǒng)影像學(xué)設(shè)備無法動態(tài)的檢測該類疾病，從而無法從運動功能角度預(yù)警預(yù)測該疾病，忽視了病人的運動功能異常，同時也可導(dǎo)致錯誤預(yù)測或者漏側(cè)膝關(guān)節(jié)疾病；3、依賴于傳統(tǒng)影像學(xué)設(shè)備預(yù)警預(yù)測的方法無法快速的預(yù)警預(yù)測膝關(guān)節(jié)疾病，所耗時限30分鐘以上，而且通常需要專業(yè)培訓(xùn)的影像學(xué)人員去分析檢查結(jié)果。
技術(shù)實現(xiàn)思路
為了解決上述技術(shù)問題，本專利技術(shù)的目的是提供一種快速高效的膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)。本專利技術(shù)所采取的技術(shù)方案是：一種膝關(guān)節(jié)疾病預(yù)測裝置，包括：采集單元，用于采集步態(tài)數(shù)據(jù)，并建立得到步態(tài)數(shù)據(jù)庫；預(yù)處理單元，用于對步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)；模型訓(xùn)練單元，用于構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；預(yù)測單元，用于對需要檢測用戶的步態(tài)數(shù)據(jù)進(jìn)行采集，并輸入至訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測結(jié)果。作為所述的一種膝關(guān)節(jié)疾病預(yù)測裝置的進(jìn)一步改進(jìn)，所述的預(yù)處理單元具體包括：剔除單元，用于根據(jù)步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)，對步態(tài)數(shù)據(jù)中的無效數(shù)據(jù)進(jìn)行剔除處理，得到有效數(shù)據(jù)；標(biāo)準(zhǔn)化單元，用于對有效數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)。作為所述的一種膝關(guān)節(jié)疾病預(yù)測裝置的進(jìn)一步改進(jìn)，所述的模型訓(xùn)練單元具體包括：模型構(gòu)建單元，用于構(gòu)建按照反向傳播算法訓(xùn)練的n個多層神經(jīng)網(wǎng)絡(luò)模型，其中n為膝關(guān)節(jié)疾病總數(shù)；根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)，得到每個多層神經(jīng)網(wǎng)絡(luò)模型中輸出層的預(yù)測值，進(jìn)而對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型。作為所述的一種膝關(guān)節(jié)疾病預(yù)測裝置的進(jìn)一步改進(jìn)，所述的步態(tài)數(shù)據(jù)包括膝關(guān)節(jié)角度自由度和膝關(guān)節(jié)位移自由度。作為所述的一種膝關(guān)節(jié)疾病預(yù)測裝置的進(jìn)一步改進(jìn)，所述膝關(guān)節(jié)角度自由度包括膝關(guān)節(jié)內(nèi)外翻角度、內(nèi)外旋角度和屈伸角度。作為所述的一種膝關(guān)節(jié)疾病預(yù)測裝置的進(jìn)一步改進(jìn)，所述膝關(guān)節(jié)位移自由度包括膝關(guān)節(jié)的前后位移、上下位移和內(nèi)外位移。本專利技術(shù)所采用的另一技術(shù)方案是：一種膝關(guān)節(jié)疾病預(yù)測系統(tǒng)，包括所述的膝關(guān)節(jié)疾病預(yù)測裝置。本專利技術(shù)的有益效果是：本專利技術(shù)一種膝關(guān)節(jié)疾病預(yù)測裝置及系統(tǒng)通過步態(tài)數(shù)據(jù)并建立多個多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，進(jìn)而預(yù)測出膝關(guān)節(jié)疾病，這樣能在不含輻射的同時，還能快速精準(zhǔn)地預(yù)測各類膝關(guān)節(jié)疾病，大大提高預(yù)測效率。附圖說明圖1是本專利技術(shù)一種膝關(guān)節(jié)疾病預(yù)測裝置的原理方框圖。具體實施方式下面結(jié)合附圖對本專利技術(shù)的具體實施方式作進(jìn)一步說明：參考圖1，本專利技術(shù)一種膝關(guān)節(jié)疾病預(yù)測裝置，包括：采集單元，用于采集步態(tài)數(shù)據(jù)，并建立得到步態(tài)數(shù)據(jù)庫；預(yù)處理單元，用于對步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)；模型訓(xùn)練單元，用于構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；預(yù)測單元，用于對需要檢測用戶的步態(tài)數(shù)據(jù)進(jìn)行采集，并輸入至訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測結(jié)果。進(jìn)一步作為優(yōu)選的實施方式，所述的預(yù)處理單元具體包括：剔除單元，用于根據(jù)步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)，對步態(tài)數(shù)據(jù)中的無效數(shù)據(jù)進(jìn)行剔除處理，得到有效數(shù)據(jù)；標(biāo)準(zhǔn)化單元，用于對有效數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)。進(jìn)一步作為優(yōu)選的實施方式，所述的模型訓(xùn)練單元具體包括：模型構(gòu)建單元，用于構(gòu)建按照反向傳播算法訓(xùn)練的n個多層神經(jīng)網(wǎng)絡(luò)模型，其中n為膝關(guān)節(jié)疾病總數(shù)；根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)，得到每個多層神經(jīng)網(wǎng)絡(luò)模型中輸出層的預(yù)測值，進(jìn)而對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型。進(jìn)一步作為優(yōu)選的實施方式，所述的步態(tài)數(shù)據(jù)包括膝關(guān)節(jié)角度自由度和膝關(guān)節(jié)位移自由度。進(jìn)一步作為優(yōu)選的實施方式，所述膝關(guān)節(jié)角度自由度包括膝關(guān)節(jié)內(nèi)外翻角度、內(nèi)外旋角度和屈伸角度。進(jìn)一步作為優(yōu)選的實施方式，所述膝關(guān)節(jié)位移自由度包括膝關(guān)節(jié)的前后位移、上下位移和內(nèi)外位移。本專利技術(shù)一種膝關(guān)節(jié)疾病預(yù)測系統(tǒng)，包括所述的膝關(guān)節(jié)疾病預(yù)測裝置。本專利技術(shù)實施例中，在采集步態(tài)數(shù)據(jù)時，首先選取步態(tài)周期關(guān)鍵事件點的步態(tài)數(shù)據(jù)和6個自由度的步態(tài)數(shù)據(jù)取值范圍作為可能預(yù)測膝關(guān)節(jié)疾的步態(tài)特征，本實施例中共有48個數(shù)據(jù)特征，提取所述的步態(tài)周期數(shù)據(jù)的關(guān)鍵事件點和自由度范圍的步態(tài)特征數(shù)據(jù)，所述的關(guān)鍵事件點包括足跟著地期IC、對側(cè)足尖離地期OT、足跟離地期HR、對側(cè)足跟著地期OI、足跟離地期TO，足相鄰期FA、脛骨垂直期TV等7個關(guān)鍵事件點，結(jié)果一共提取48個步態(tài)特征包括(7個關(guān)鍵事件點+自由度范圍)*6個自由度的步態(tài)特征，即IC膝屈伸角度、IC膝內(nèi)外翻角度，IC膝內(nèi)外旋角度、IC膝前后位移、IC膝上下位移和IC膝內(nèi)外位移；OT膝屈伸角度、OT膝內(nèi)外翻角度，OT內(nèi)膝外旋角度、OT膝前后位移、OT膝上下位移和OT膝內(nèi)外位移；HR膝屈伸角度、HR膝內(nèi)外翻角度，HR膝內(nèi)外旋角度、HR膝前后位移、HR膝上下位移和HR膝內(nèi)外位移；OI膝屈伸角度、OI膝內(nèi)外翻角度，OI膝內(nèi)外旋角度、OI膝前后位移、OI膝上下位移和OI膝內(nèi)外位移；TO膝屈伸角度、TO膝內(nèi)外翻角度，TO膝內(nèi)外旋角度、TO膝前后位移、TO膝上下位移和TO膝內(nèi)外位移；FA膝屈伸角度、FA膝內(nèi)外翻角度，F(xiàn)A膝內(nèi)外旋角度、FA膝前后位移、FA膝上下位移和FA膝內(nèi)外位移；TV膝屈伸角度、TV膝內(nèi)外翻角度，TV膝內(nèi)外旋角度、TV膝前后位移、TV膝上下位移和TV膝內(nèi)外位移；屈伸范圍，內(nèi)外旋范圍，內(nèi)外翻范圍，前后位移范圍，上下位移范圍和內(nèi)外位移范圍。根據(jù)步態(tài)數(shù)據(jù)庫(包括健康人和膝關(guān)節(jié)各類疾病患者)中的步態(tài)數(shù)據(jù)，取出以上相關(guān)特征的數(shù)據(jù)儲存在后臺數(shù)據(jù)庫，如果數(shù)據(jù)填寫未完整，視為無效數(shù)據(jù)，并進(jìn)行剔除；去除無效數(shù)據(jù)后，對有效數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，削弱數(shù)值大小對結(jié)果可靠性的影響，此處將數(shù)值標(biāo)準(zhǔn)化處理在[0，1]之間，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)。建立按反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)的多層神經(jīng)網(wǎng)絡(luò)模型，依據(jù)上述數(shù)據(jù)進(jìn)行膝關(guān)節(jié)各類疾病預(yù)測建模，共有n個神經(jīng)網(wǎng)絡(luò)模型，n為膝關(guān)節(jié)疾病總數(shù)，如數(shù)據(jù)庫包含前交叉韌帶撕裂，半月板損傷，則n＝2；每個模型分為輸入層、隱含層、輸出層，本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
1.一種膝關(guān)節(jié)疾病預(yù)測裝置，其特征在于，包括：采集單元，用于采集步態(tài)數(shù)據(jù)，并建立得到步態(tài)數(shù)據(jù)庫；預(yù)處理單元，用于對步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)；模型訓(xùn)練單元，用于構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；預(yù)測單元，用于對需要檢測用戶的步態(tài)數(shù)據(jù)進(jìn)行采集，并輸入至訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測結(jié)果。

【技術(shù)特征摘要】
1.一種膝關(guān)節(jié)疾病預(yù)測裝置，其特征在于，包括：采集單元，用于采集步態(tài)數(shù)據(jù)，并建立得到步態(tài)數(shù)據(jù)庫；預(yù)處理單元，用于對步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)；模型訓(xùn)練單元，用于構(gòu)建多層神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)對多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型；預(yù)測單元，用于對需要檢測用戶的步態(tài)數(shù)據(jù)進(jìn)行采集，并輸入至訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型中，得到預(yù)測結(jié)果。2.根據(jù)權(quán)利要求1所述的一種膝關(guān)節(jié)疾病預(yù)測裝置，其特征在于：所述的預(yù)處理單元具體包括：剔除單元，用于根據(jù)步態(tài)數(shù)據(jù)庫中的步態(tài)數(shù)據(jù)，對步態(tài)數(shù)據(jù)中的無效數(shù)據(jù)進(jìn)行剔除處理，得到有效數(shù)據(jù)；標(biāo)準(zhǔn)化單元，用于對有效數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)。3.根據(jù)權(quán)利要求1所述的一種膝關(guān)節(jié)疾病預(yù)測裝置，其特征在于：所述的模...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬立敏，張余，曾小龍，
申請(專利權(quán))人：馬立敏，曾小龍，
類型：發(fā)明
國別省市：廣東,44